近来，人工智能领域围绕“模型蒸馏”的争议不断升温。美国部分科技企业和政界人士把所谓“工业级蒸馏”“对抗性蒸馏”描述为一种新型技术窃取行为，进而将其与知识产权、出口管制乃至国家安全相捆绑。一个长期以来被全球人工智能界普遍使用的技术方法，由此被赋予了强烈的政治色彩。
这场争论真正需要澄清的，并不是蒸馏技术是否存在，而是一个更根本的问题：当一个人工智能模型进入全球市场，向公众持续提供输出，或者主动开放模型权重之后，它是否必须接受被研究、被模仿、被改进乃至被蒸馏的现实？
答案应当是肯定的。
模型公司可以防范身份欺诈、账号盗用和非法突破访问权限，却不能要求竞争者在看到模型输出之后“自动失忆”；可以依法保护未公开参数、商业秘密和内部系统，却不能把其他模型从公开输出中学习的行为一概定义为盗窃。否则，所谓“反蒸馏”就极易从合理的安全防护滑向对技术扩散和正常竞争的政治打压，最终沦为维护少数国家和头部企业人工智能优势的霸权工具。
一、蒸馏不是人工智能时代突然出现的“原罪”
模型蒸馏的基本原理并不复杂：利用能力较强的模型生成输出、反馈或训练信号，帮助较小模型获得接近大型模型的能力。它与模仿学习、合成数据训练、模型压缩、迁移学习等方法密切相关，是人工智能工程实践中的常见路径。
长期以来，美国科技企业本身就是蒸馏技术最积极的使用者和推广者。大型模型训练成本高、部署门槛高，蒸馏能够降低推理成本，使模型进入手机、汽车、工业设备和普通服务器。没有蒸馏、量化和模型压缩，人工智能就很难从少数巨头的算力中心走向千行百业。
因此，蒸馏首先是一种技术方法，而不是一种天然具有道德属性的行为。正如搜索引擎、网络爬虫、逆向工程和编译技术本身并不违法，蒸馏是否合法，也不能只看它使用了什么算法，而要看相关输出如何取得、授权关系如何约定、是否存在欺诈以及是否突破了受到法律保护的访问权限。
把蒸馏技术本身包装成“模型盗窃”，不仅在技术上站不住脚，也可能产生危险的政策后果。一旦“从其他模型输出中学习”被普遍视为窃取，大量正常的合成数据生成、模型评测、安全研究、互操作性开发和学术实验都可能被纳入打击范围。最终受到保护的未必是创新，而可能是少数闭源模型企业的市场地位。
二、模型既然进入市场，就必须预设能力会被学习
人工智能模型不同于被锁在保险柜中的秘密配方。一个模型只要持续向外提供服务，其能力就会通过输出不断显现。查询次数越多，外界对其行为方式、推理特征、表达风格和能力边界的认识就越深入。
这是人工智能服务天然存在的“能力暴露面”。
任何把模型部署到互联网上的企业，都应当预设它会被测试、分析、比较和模仿。企业可以通过速率限制、异常流量识别、账号管理和安全检测降低大规模自动提取的风险，但不能幻想竞争者只会把模型当作普通聊天工具，而不会从中总结规律、生成数据和训练自己的系统。
从更深层看，今天的大模型本身就是在吸收人类社会长期积累的书籍、代码、论文、语言表达和公共知识基础上发展起来的。人工智能企业普遍主张，机器从海量人类知识中学习属于技术创新；但当其他机器开始从它们公开提供的输出中学习时，一些企业却试图将同样的学习过程定义为盗窃。
这种逻辑存在明显的不对称。
模型公司当然可以保护真正的商业秘密，也可以对欺诈账户、盗用凭证和恶意突破技术限制的行为追究责任。但它们无权把所有竞争性学习都纳入“知识产权窃取”，更无权借国家安全之名要求全球竞争者停止从公开模型服务中获得启发。
说到底，模型提供者有权锁门，却无权要求别人看过它的表演后必须失忆。
三、开放权重与闭源接口之间存在结构性不对称
当前全球人工智能竞争中，一个不容忽视的现象是，中国不少模型选择开放权重，允许全球开发者下载、研究、微调和二次开发。只要遵守相应许可证，美国企业、大学和研究机构通常可以直接使用这些模型，生成合成数据，开发衍生产品，甚至把其中的技术思路吸收到自身模型中。
对于开放权重模型而言，能力传播并不是意外，而是开放模式的一部分。
与之相对，美国头部模型企业大多采取闭源接口模式。它们向全球收取服务费用，却试图通过单方面制定的服务条款，限制用户利用输出训练竞争模型。于是形成了一种结构性不对称：美国企业可以合法研究、微调和利用中国开放模型，中国企业却可能因学习美国闭源模型的公开输出而被指控“窃取能力”。
开放与闭源本身都是商业选择。选择闭源的企业有权保护内部参数，却不能因为其他国家选择开放，就把这种开放优势视为理所当然；更不能一方面吸收全球开放模型的成果，另一方面把竞争者对自身公开输出的学习上升为国家安全事件。
如果所谓规则只限制中国企业，却不约束美国企业；只保护美国闭源模型，却不保护中国模型和开发者的权益；美国吸收他国模型能力被称为创新，他国学习美国模型则被称为窃取，那么这就不是知识产权保护，而是以规则之名固化技术等级。
四、真正应当禁止的是欺诈和非法访问，而不是学习本身
反对人工智能霸权，并不意味着否认任何行为边界。
如果某个组织盗用他人账户、窃取访问凭证、突破非公开系统、在被明确封禁后持续伪造身份访问，或者非法取得未公开模型参数，那么有关企业和监管机构当然有权调查和追责。
但必须严格区分三类不同性质的行为。
第一类是按照开放许可证使用模型权重。这属于正常的技术传播和再创新，不应被污名化。
第二类是通过正常付费接口取得输出，并将其用于研究、评测、合成数据或模型训练。这一领域存在合同争议和政策灰区，但即使违反了平台服务条款，也不能不经分析就直接等同于刑事意义上的盗窃，更不能自动上升为国家安全威胁。
第三类是通过身份欺诈、盗用凭证或突破访问控制取得模型输出。此类行为应当针对具体手段依法处理，而不是借机打击整个蒸馏技术，或者禁止某个国家的企业和开发者使用人工智能模型。
判断一项行为是否应受限制，不能只看调用次数是否巨大，也不能只看训练出的模型是否具有竞争力。所谓“工业级”，并不是一个精确的技术或法律概念。规模扩大可能增加商业影响，却不能自动把一种普通学习行为变成盗窃。
真正需要审查的，是输出取得方式、合同条款是否合理、限制措施是否明确、处罚是否符合比例原则，以及证据能否接受独立核验。
五、判断是否属于霸权，关键在于规则能否双向适用
判断美国部分政商力量的做法究竟是正常维权还是人工智能霸权，可以进行一个简单的对等性检验。
假如一家美国企业大量调用中国模型，用其输出训练本国模型，中国是否有权要求调查？如果美国企业使用代理账户、伪造身份或者绕过访问限制，中国企业是否有权封禁和追责？如果中国以国家安全为由禁止美国开发者使用中国开放模型，美国是否会接受？如果中国要求全球云服务商监控美国企业的模型调用并向中国政府报告，美国是否会承认这种做法具有正当性？
任何真正公正的规则，都必须能够对本国企业和外国企业一体适用。
如果美国认为自己利用中国开放模型属于技术进步，而中国利用美国模型输出就是国家安全威胁；美国企业可以制定全球规则，中国企业只能被动接受；美国可以限制他国模型、芯片和云服务，他国采取类似措施却被指责为破坏市场，那么这种规则显然不是普遍规则，而是霸权规则。
人工智能治理不能建立在“强者有权学习，追赶者无权模仿”的逻辑之上。技术领先不能自动转化为规则垄断，更不能赋予少数国家决定哪些知识可以流动、哪些模型可以被使用、哪些企业有资格参与竞争的权力。
六、以国家安全之名保护商业优势尤其值得警惕
人工智能模型确实可能涉及军事、安全和关键基础设施风险，国家也有权保护真正敏感的技术能力。但国家安全概念如果没有清晰边界，就极易被扩张为保护本国商业利益的万能理由。
当一家头部模型企业面临来自开放模型和低成本模型的竞争时，它既是安全风险的报告者，也是商业利益的直接相关方。企业对异常访问的技术证据应当得到重视，但企业自身的判断不能直接替代司法审查，更不能由企业提出指控、政府立即定性、国会迅速立法，最终形成一套只针对外国竞争者的限制体系。
把商业竞争包装成安全竞争，把成本优势描述为能力窃取，把技术追赶解释为国家威胁，是技术霸权常见的运行方式。
这种做法的真正危险，在于它可能制造一种新的全球技术壁垒：少数企业既控制最先进的闭源模型，又试图控制模型输出的后续用途；既从全人类知识中训练模型，又宣称模型生成内容不能被竞争者用于学习；既依靠全球市场扩大收益，又通过国家力量限制全球市场中的追赶者。
如果这种逻辑成为国际规则，人工智能将不再是推动知识普惠的公共技术，而会成为少数国家和企业维持垄断地位的基础设施。
七、反对人工智能霸权，不等于反对知识产权保护
真正有效的反霸权立场，不应当简单否认一切侵权风险，也不应当把所有外国指控都解释为阴谋。越是反对技术霸权，越需要提出能够普遍适用、经得起对等检验的规则。
全球人工智能治理至少应坚持以下原则。
首先，保护开放权重、合法蒸馏、合理逆向工程、互操作性研究和非侵入式模型评测，防止头部企业利用服务条款阻止正常竞争。
其次，明确区分公开输出、受合同约束的接口数据、未公开参数和受保护商业秘密，避免用“模型能力”这一模糊概念无限扩大权利边界。
再次，针对身份欺诈、账号盗用、非法突破访问控制等行为制定国籍中立的规则。无论行为主体来自哪个国家，都应采用同一标准处理。
同时，任何制裁、出口管制和市场禁入措施，都应建立在可核验的证据、独立审查、正当程序和比例原则之上，不能仅凭企业单方面指控就剥夺外国企业的市场权利。
最后，应防止少数国家和企业垄断人工智能规则制定权，提升发展中国家、开源社区、中小企业和学术机构在全球治理中的代表性。
八、人工智能发展不能成为少数国家的封闭俱乐部
人工智能的价值，最终不在于哪个国家能够永久垄断最强模型，而在于它能否降低知识获取成本、提高社会生产效率、促进科学发现，并为不同发展阶段的国家创造新的发展机会。
开放模型、低成本模型和蒸馏技术，正在降低人工智能应用门槛。这种趋势会削弱少数头部企业依靠算力、资本和闭源接口建立的垄断优势，也必然触动既得利益者的敏感神经。
但技术进步不能因为威胁到旧有垄断结构就被重新定义为安全威胁。人工智能竞争也不能演变成少数国家先占据技术高地，再封锁所有追赶道路的游戏。
既然模型已经进入全球市场，就必须接受被研究、被比较、被模仿和被超越。没有任何企业拥有不被竞争的权利，也没有任何国家拥有垄断智能的资格。
各国真正应当共同反对的，不是模型之间相互学习，而是利用政治权力阻止知识流动；不是合理的技术扩散，而是以国家安全为名固化技术等级；不是开放竞争，而是少数国家和企业把人工智能变成封闭领地。
人工智能不应成为某个国家维持霸权的工具，而应成为各国共同发展的基础能力。只有坚持开放包容、规则对等、公平竞争和多边治理，才能避免智能时代重演技术垄断和强权政治的旧剧本。
既然上桌，就要接受被学习；既然参与全球竞争，就要接受被追赶和被超越。这不仅是人工智能发展的客观规律，也是反对人工智能霸权、维护全球创新公平的基本前提。